High-Throughput Experimental Technology: Rapid Identification of the Precious Metal Modified In<sub>2</sub>O<sub>3</sub> for NO<sub>2</sub> Low-Temperature Sensing
Notice bibliographique
Résumé
It often takes much time to obtain the components of high-performance metal oxide semiconductor gas-sensitive materials by inefficient “trial and error method.” In this study, high-throughput experimental technology (HTET) was used to modify the surface of Indium trioxide (In2O3) nanoparticles, and the In2O3 precious metal gas-sensitive sensors with different surface modification rates were prepared. The gas-sensitive properties of the sensors were systematically studied. HTET can accelerate the synthesis of materials and the screening of gas-sensitive properties, and it significantly improves experimental efficiency. The results show that the 0.5 mol% silver modified In2O3 (Ag <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$_{{0.5}}$ </tex-math></inline-formula> In) sensor leads to an ultrahigh response ( <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">${R}_{\text {gas}}/{R}_{\text {air}} =923.6$ </tex-math></inline-formula> ) to 5 ppm NO2 at 50 °C 5.75 times of the pure In2O3 sensor. In addition, the sensor exhibits fast response (61.3 s) and recovery (106.3 s) times, high selectivity, and stable repeatability. The enhancement of the excellent NO2 gas sensitivity is reached mainly due to synergistic effect of the catalysis of the precious metals and the increase of surface chemisorption oxygen.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».